Przesłanie feedu produktowego do ChatGPT Ads Manager nie powoduje pojawienia się produktów w organicznych rozmowach zakupowych ChatGPT. To dwa osobne systemy z odrębnymi warunkami kwalifikacji, innymi mechanizmami aktualizacji i zupełnie różnymi KPI. Przetestowaliśmy konwersję feedów z Google Merchant Center do formatu OpenAI na trzech sklepach – w przypadku każdego z nich ponad 30% pól wymagało transformacji, a 8-15% atrybutów nie miało odpowiednika w feedzie źródłowym. Rozróżnienie tych dwóch kanałów to warunek sensownego planowania budżetu na widoczność w AI.
OpenAI ogłosiło reklamy w ChatGPT 16 stycznia 2026 r., test ruszył w USA 9 lutego 2026 r., a kampanie oparte na feedzie produktowym są dostępne w becie Ads Managera (Create campaigns from product feeds). Organiczne wyniki zakupowe ChatGPT działają od kwietnia 2025 r. i według OpenAI „are not ads”. Wyświetlają rekomendacje produktowe w rozmowach zakupowych – karty z ceną, zdjęciem i linkiem do sklepu. Te dwa systemy współdzielą interfejs (użytkownik widzi produkty w czacie), ale mają osobne źródła danych, osobne kryteria kwalifikacji i osobne raporty efektywności.
Aktualizacja z 25 października 2026 roku: OpenAI zmieniło specyfikacja pliku produktowego OpenAI. Poprawiliśmy mapowanie pól, opis dostępności, dostawy i zwrotów oraz reguły transformacji. Dane z naszego testu z sierpnia zostawiamy bez zmian i opisujemy, co od tego czasu się zmieniło.
Ile systemów produktowych działa w ChatGPT?
Zamieszanie wynika z tego, że użytkownik widzi produkty w tym samym interfejsie czatu, niezależnie od tego, czy są organiczne, czy płatne. Ale za kulisami to dwa odrębne pipeline’y z różnymi źródłami danych.
Organiczne rekomendacje produktowe pojawiają się, gdy użytkownik zadaje pytanie zakupowe – „jaki laptop do programowania do 4000 zł?” lub „najlepszy krem z filtrem SPF 50″. ChatGPT przeszukuje dane z wielu źródeł: crawlowane strony, schema Product JSON-LD, feedy od partnerów (np. Shopify Catalog), dane od agregatorów. Sklep nie ma bezpośredniej kontroli nad tym, czy jego produkt pojawi się w odpowiedzi – decyduje algorytm na podstawie trafności, jakości danych i wiarygodności źródła.
Reklamy katalogowe (Product Ads) to format płatny dostępny w becie kampanii z feedu produktowego w Ads Managerze. Reklamodawca przesyła feed produktowy do ChatGPT Ads Manager, ustawia budżet i targetowanie, a produkty wyświetlają się jako oznaczone reklamy w konwersacjach. Feed reklamowy kwalifikuje produkt wyłącznie do emisji płatnej – nie do organicznych rekomendacji.
| Cecha | Organiczne rekomendacje | Product Ads (płatne) |
|---|---|---|
| Źródło danych | Crawling + schema + partnerzy + agregatorzy | Feed w ChatGPT Ads Manager |
| Kontrola sprzedawcy | Pośrednia (jakość danych, schema, feed partnerski) | Bezpośrednia (upload feedu + budżet) |
| Koszt | Brak kosztu za wyświetlenie | CPC / CPM zależny od aukcji |
| Oznaczenie | Brak etykiety „Sponsored” | Etykieta „Sponsored” obowiązkowa |
| Kwalifikacja | Algorytmiczna – trafność + jakość danych | Budżet + poprawny feed + targeting |
| Dostępność w Polsce | Tak | Tak, od 31.08.2026 samoobsługowo (pierwsze kampanie od 24.08.2026) |
| Raportowanie | Brak dedykowanego dashboardu | Ads Manager: impressions, clicks, CTR, spend |
| Aktualizacja danych | Zależy od częstotliwości crawlingu | Upload pliku, hostowany URL, SFTP lub Delta API; pozycje wygasają po 2 tygodniach |
Wniosek praktyczny: sklep, który przesłał feed do ChatGPT Ads Manager i nie widzi swoich produktów w organicznych rozmowach, nie ma błędu w feedzie. To normalne działanie systemu – feed reklamowy obsługuje wyłącznie kanał płatny.
Czym różni się feed z Google Merchant Center od feedu dla OpenAI?
Większość polskich sklepów ma działający feed w Google Merchant Center. Pytanie brzmi: czy można go bezpośrednio przesłać do ChatGPT Ads? Odpowiedź: nie bez modyfikacji. Większość podstawowych pól się pokrywa, ale część wymaga transformacji lub uzupełnienia danych.
OpenAI ma własną specyfikację pliku produktowego, z innymi nazwami części kolumn niż Google Merchant Center i kilkoma polami, których w Merchant Center nie ma. W Ads Managerze wgrywasz plik CSV lub TXT, przez stały adres URL albo SFTP. Poniżej mapowanie według aktualnej wersji dokumentu (specyfikacja pliku produktowego OpenAI, stan na październik 2026 roku).
| Google Merchant Center | OpenAI | Status w OpenAI | Uwagi do konwersji |
|---|---|---|---|
| id | item_id | wymagane | Przyjmowany jest też alias id lub sku. Identyfikator stały i unikalny dla każdego wariantu |
| title | title | wymagane | Zalecane do 150 znaków, z wariantem w nazwie (kolor, rozmiar) |
| description | description | wymagane | Zalecane do 5000 znaków, zwykły tekst |
| link | url | wymagane | Zmiana nazwy kolumny. Publiczny adres HTTPS, najlepiej z wybranym wariantem |
| image_link | image_url | wymagane | Zmiana nazwy kolumny. Bezpośredni adres obrazu JPEG lub PNG |
| price | price | wymagane | Format 129.99 PLN: kropka dziesiętna, bez separatorów tysięcy, kod waluty po spacji |
| availability | availability | wymagane | in_stock, out_of_stock, pre_order, backorder lub unknown. Wartość preorder z Merchant Center trzeba przemianować na pre_order |
| brand | brand | wymagane | W Merchant Center wymagane dla większości nowych produktów, w OpenAI w każdym wierszu |
| brak | seller_name | wymagane | Nazwa sprzedawcy, zwykle nazwa sklepu. Trzeba ją dodać do każdego wiersza |
| gtin | gtin | opcjonalne | 8, 12, 13 lub 14 cyfr z poprawną cyfrą kontrolną, bez spacji i myślników |
| item_group_id | group_id | warunkowo (warianty) | Alias item_group_id jest przyjmowany. Do wariantów potrzebne też listing_has_variations i variant_dict |
| condition | condition | opcjonalne | new, refurbished lub used |
| sale_price | sale_price | opcjonalne | Niższa od price i w tej samej walucie, inaczej nie zostanie użyta |
| sale_price_effective_date | brak | brak | OpenAI nie planuje zmian cen z dat. Cenę promocyjną dodajesz i usuwasz w feedzie albo przez Delta API |
| product_type | product_category | opcjonalne | Ścieżka kategorii od ogólnej do szczegółowej, rozdzielana znakiem > |
| shipping | shipping_price | opcjonalne | Jedna kwota w walucie ceny. Format krótki shipping wymaga osobnej konfiguracji integracji |
| return_policy_label | return_policy, accepts_returns, return_deadline_in_days | opcjonalne | Adres polityki zwrotów, informacja, czy zwroty są przyjmowane, i liczba dni |
| oceny (osobny feed Product Ratings) | star_rating, review_count | opcjonalne | Średnia ocena 0-5 i liczba opinii o produkcie, nie o sklepie |
| custom_label_0-4 | ads_metadata | opcjonalne | Obiekt z własnymi etykietami do filtrów w grupach reklam |
| brak | is_ads_eligible | warunkowo | W feedach tworzonych w Ads Managerze produkty są domyślnie kwalifikowane do reklam, w innych ścieżkach trzeba ustawić true |
Cztery różnice wymagają szczególnej uwagi przy konwersji.
availability – Merchant Center zapisuje przedsprzedaż jako preorder, a OpenAI jako pre_order. Obie specyfikacje przyjmują backorder, a OpenAI dodatkowo unknown, gdy stan magazynu jest nieznany. Pusta albo nierozpoznana wartość odrzuca cały wiersz, więc reguła eksportu musi przemianować preorder na pre_order. W czasie naszego sierpniowego testu traktowaliśmy przedsprzedaż jako status do obsłużenia osobną regułą: 2,3% produktów jednego ze sklepów miało ten status.
ads_metadata – opcjonalne pole specyficzne dla OpenAI, które nie istnieje w Google Merchant Center. Przechowuje własne etykiety produktu (np. bidding_tier, product_line, custom_label_0), po których można filtrować produkty w grupach reklam. Nie jest wymagane do emisji: grupa reklam wybiera produkty filtrami, m.in. po marce, kategorii, cenie i ID, a stawkę ustawia się na poziomie grupy.
shipping – Merchant Center ma ustrukturyzowane pole shipping z krajem, regionem, usługą i ceną. W standardowym feedzie OpenAI odpowiednikiem jest shipping_price, czyli jedna kwota w walucie ceny: zero oznacza darmową dostawę, a puste pole brak informacji, a nie darmową wysyłkę. Format krótki shipping (kraj:region:usługa:cena) działa tylko w integracjach z osobną konfiguracją, więc samo dodanie takiej kolumny go nie włączy. OpenAI zastrzega też, że wyświetlanie kosztu dostawy zależy od integracji.
seller_name – pole wymagane w każdym wierszu, którego nie ma w Merchant Center. Wpisujesz w nim nazwę sprzedawcy, zwykle nazwę sklepu. OpenAI prosi, żeby nie używać w nim wartości zastępczych.
sale_price i daty promocji – OpenAI nie obsługuje dat obowiązywania promocji. Cenę promocyjną wysyłasz, gdy promocja trwa, i usuwasz ją, gdy się kończy. Pole sale_price musi być niższe od price i w tej samej walucie, w przeciwnym razie system go nie użyje.
Jakie są metody importu feedu do ChatGPT Ads?
OpenAI oferuje trzy metody importu katalogu produktowego do Ads Managera oraz Delta API do szybkich zmian cen i dostępności. Każda ma inne zastosowanie w zależności od wielkości katalogu i częstotliwości aktualizacji.
| Metoda | Opis | Limit produktów | Aktualizacja | Kiedy używać |
|---|---|---|---|---|
| Upload pliku | Ręczny upload pliku CSV lub TXT w Ads Managerze | nie podano | Ręczna; pozycje wygasają po 2 tygodniach | Małe katalogi, testy, jednorazowe kampanie |
| Hostowany URL | Stały adres HTTPS do pliku na serwerze sklepu | nie podano | Automatyczna (częstotliwości OpenAI nie podaje) | Średnie i duże katalogi z codzienną aktualizacją |
| SFTP | Upload na serwer SFTP OpenAI | nie podano | Automatyczna po uploadzie | Duże katalogi, integracja z systemami ERP/PIM |
Dla polskiego sklepu na Shoperze, WooCommerce lub PrestaShop najsensowniejszą metodą jest hostowany URL. Wtyczki feedowe (Product Feed PRO, CTX Feed) generują plik CSV dostępny pod stałym adresem. OpenAI nie podaje, jak często pobiera plik z hostowanego adresu, a pozycje, które nie są odświeżane, wygasają po 2 tygodniach. Plik oraz strony i zdjęcia produktów muszą być publicznie dostępne przez HTTPS. Gotowe integracje dla tych platform i rachunek opłacalności testu opisujemy w poradniku o reklamach w ChatGPT z feedu sklepu.
Ważna kwestia: pozycje w feedzie OpenAI wygasają po dwóch tygodniach bez odświeżenia (OpenAI Help Center), więc plik musi aktualizować się automatycznie. Jeśli hostowany adres przestanie odpowiadać, na przykład po awarii serwera albo wygaśnięciu certyfikatu SSL, po tym czasie produkty wypadną z emisji. W Google Merchant Center produkty z feedu wygasają po 30 dniach od ostatniej aktualizacji. Dlatego adres feedu warto dodać do monitoringu dostępności, który sprawdza odpowiedź HTTP 200. Według autorów wtyczki Openpixly pole Connect your feed via URL w Ads Managerze nie przyjmuje adresów z parametrami zapytania, więc feed powinien mieć zwykłą ścieżkę.
Ile pracy wymaga konwersja feedu z Google Merchant Center? Case study trzech sklepów
Przeprowadziliśmy test konwersji feedów produktowych z Google Merchant Center do formatu zgodnego ze specyfikacją pliku produktowego OpenAI. Wybraliśmy trzy sklepy klientów Semgence z różnych branż i o różnej wielkości katalogu. Nazwy zanonimizowane.
Procedura: pobraliśmy eksport produktów z Merchant Center (snapshot z sierpnia 2026), zmapowaliśmy pola do specyfikacji OpenAI, policzyliśmy pola kompletne (przeniesienie 1:1), wymagające transformacji (zmiana formatu lub wartości) i brakujące (brak odpowiednika w feedzie źródłowym). Na każdy sklep przygotowaliśmy próbny eksport 100 produktów i zwalidowaliśmy go pod kątem poprawności schematu.
| Metryka | Sklep F (odzież sportowa) | Sklep G (wyposażenie łazienek) | Sklep H (oświetlenie) |
|---|---|---|---|
| Produkty w MC | 2 847 | 4 515 | 1 203 |
| Feed score MC | 96/100 | 94/100 | 93/100 |
| GTIN coverage | 78,3% | 68,4% | 52,1% |
| Pola kompatybilne (1:1) | 67% | 63% | 61% |
| Pola wymagające transformacji | 22% | 25% | 27% |
| Pola brakujące (brak w MC) | 11% | 12% | 12% |
| Produkty z „preorder” | 0,8% | 2,3% | 0% |
| Niestabilne URL-e (zmiana >30 dni) | 3,2% | 1,1% | 5,7% |
| Czas przygotowania eksportu 100 szt. | ~4h | ~6h | ~5h |
| Produkt gotowy do emisji bez zmian | 58% | 51% | 47% |

Trzy obserwacje z tego testu.
Żaden sklep nie mógł przesłać feedu z MC do OpenAI bez zmian. Nawet sklep F z najwyższym feed score (96/100) miał 33% pól wymagających transformacji lub uzupełnienia. W sierpniu główne przyczyny to przedsprzedaż (sklep G – 2,3% produktów) i dane o dostawie, których format z Merchant Center nie pasował do feedu OpenAI (100% sklepów). W pierwotnym zestawieniu liczyliśmy jako brakujące także pole ads_metadata, które jest opcjonalne. Po październikowej zmianie specyfikacji część różnic zniknęła, bo przedsprzedaż i polityka zwrotów mają już swoje pola. Doszły jednak inne: zmiana nazw kolumn na url i image_url oraz wymagane pole seller_name, którego nie miał żaden z trzech feedów. Bilans pracy przy konwersji jest więc podobny, a liczby z tabeli traktujemy jako stan z sierpnia.
GTIN coverage wpływa na dopasowanie produktu. W specyfikacji OpenAI GTIN identyfikuje konkretny produkt handlowy, a oferty różnych sprzedawców rozróżnia osobne pole offer_id. Kompletny GTIN ułatwia więc przypisanie oferty sklepu do właściwego produktu. Sklep H z GTIN na 52% produktów ma tu największe ryzyko, bo bez GTIN system opiera się na tytule i opisie, co prowadzi do niedopasowań.
Czas przygotowania to 4-6 godzin na 100 produktów. To obejmuje mapowanie pól, transformację wartości availability, opcjonalne etykiety w ads_metadata i walidację schematu. Dla pełnego katalogu (2-5 tys. produktów) z automatyzacją feedową czas spada do kilku godzin jednorazowego setup plus codzienne automatyczne generowanie. Bez automatyzacji – kilka dni roboczych.
Do czego służy pole ads_metadata?
ads_metadata to opcjonalne pole feedu OpenAI, które nie istnieje w Google Merchant Center. Służy do przechowywania własnych etykiet produktu, po których filtruje się produkty w grupach reklam. Według dokumentacji dla deweloperów etykiety dodaje się w ads_metadata, a następnie należy „apply filters on those fields in the ad group’s product_set”.
Stawki nie ustawia się na poziomie produktu. Dokumentacja mówi wprost: „Individual products have no separate configurable ad entity”. Stawka należy do grupy reklam. Jeśli chcesz płacić więcej za produkty z wyższą marżą, dodajesz im etykietę, np. bidding_tier, i tworzysz osobną grupę reklam z filtrem na tę etykietę i wyższą stawką. To odpowiednik etykiet niestandardowych (custom labels) w Google Shopping.
Etykiety nie są obowiązkowe, bo produkty można filtrować także po marce, kategorii, cenie i ID. Przydają się, gdy podział kampanii ma wynikać z danych biznesowych, których nie ma w standardowych polach, np. z marży, sezonu albo linii produktów. Popularne wtyczki feedowe nie generują ads_metadata natywnie, więc takie etykiety wymagają własnego mapowania albo przetworzenia pliku.
Pusty raport produktów po imporcie nie wynika więc z braku ads_metadata. OpenAI zaleca w takiej sytuacji najpierw sprawdzić zestaw produktów bez filtrów, a potem dodawać filtry po jednym. Jeśli nawet bez filtrów lista jest pusta, przyczyny trzeba szukać w historii uploadu feedu.
Jak zbudować architekturę feedu z jednym katalogiem i dwoma eksportami?
Architektura dwóch eksportów wpisuje się w szerszy trend: Agentic Commerce Protocol definiuje standard, w którym agent AI (ChatGPT, Perplexity, asystent głosowy) komunikuje się ze sklepem przez ustandaryzowany interfejs – feed jest jednym z elementów tego interfejsu, obok API checkout i danych o dostawie. Dane o dostawie są tu równie ważne jak cena – opisujemy to w tekście o tym, dlaczego AI pyta nie tylko, czy produkt jest, ale też kiedy dotrze.
Najefektywniejsze podejście to utrzymywanie jednego katalogu źródłowego (PIM, baza WooCommerce, panel Shopera) i generowanie z niego dwóch odrębnych eksportów: jednego do Google Merchant Center, drugiego do OpenAI.
Różnice między eksportami da się obsłużyć regułami w module feedowym. Poniżej lista transformacji według aktualnej specyfikacji OpenAI.
| Pole w Google MC | Pole w OpenAI | Reguła |
|---|---|---|
| availability: preorder | availability: pre_order | Zmiana wartości preorder na pre_order |
| link, image_link | url, image_url | Zmiana nazw kolumn |
| brak | seller_name | Stała wartość: nazwa sklepu w każdym wierszu |
| price | price | Format 129.99 PLN, kropka dziesiętna, bez separatorów tysięcy |
| shipping | shipping_price | Jedna kwota w walucie ceny albo pominięcie pola |
| return_policy_label | return_policy, accepts_returns, return_deadline_in_days | Adres polityki zwrotów i liczba dni na zwrot |
| custom_label_0-4 | ads_metadata | Np. bidding_tier według marży, do filtrów w grupach reklam |
| sale_price_effective_date | brak | Dodanie i usunięcie sale_price w momencie startu i końca promocji |
| product_type | product_category | Ścieżka kategorii rozdzielana znakiem > |
| description (techniczny) | description | Opcjonalnie: wersja z korzyściami i zastosowaniem produktu |
W praktyce ta architektura wymaga: (1) jednego centralnego źródła danych o produktach (PIM lub baza sklepu), (2) modułu feedowego z regułami transformacji osobno dla każdego kanału (Product Feed PRO, DataFeedWatch, Channable), (3) dwóch odrębnych adresów eksportu, jednego dla Google MC i drugiego dla OpenAI. Patent US20090063294A1 („Scoring Feed Data Quality”, zgłoszony przez Yahoo) opisuje ocenę jakości feedu produktowego dla porównywarek cen według kompletności pól, dopasowania do katalogu i wyciągania atrybutów, czyli według tych samych wymiarów, które sprawdzamy przy konwersji feedu do OpenAI. Schemat jest analogiczny do tego, który opisujemy w artykule o product feed i AI visibility, z tą różnicą, że zamiast jednego kanału AI mamy teraz dwa osobne pipeline’y w ramach tego samego systemu (ChatGPT).
Jak mierzyć wyniki, nie mieszając metryk organicznych z reklamowymi?
Śledzenie efektów wymaga osobnej konfiguracji. W ChatGPT Ads reklamodawca wdraża Measurement Pixel lub Conversions API do raportowania konwersji – analogicznie do piksela Meta czy tagu Google Ads. Dane organiczne (cytowania w rozmowach) nie mają dedykowanego dashboardu – widoczność organiczną mierzy się pośrednio przez ruch referral z chatgpt.com w GA4.
Najczęstszy błąd, jaki obserwujemy u klientów testujących ChatGPT Ads: mierzenie efektywności reklam katalogowych metrykami organicznymi (i odwrotnie). To jak porównywanie CTR reklamy Google Shopping z pozycją w wynikach organicznych – te systemy odpowiadają na inne pytania.
| KPI | Product Ads (płatne) | Organiczne rekomendacje | Dlaczego nie mieszać |
|---|---|---|---|
| Impressions | Ile razy reklama się wyświetliła | Brak danych (ChatGPT nie raportuje) | Organiczne nie mają dashboardu impressions |
| CTR | Kliknięcia / wyświetlenia | Nie dotyczy | Brak wyświetleń = brak CTR |
| CPC / CPA | Koszt kliknięcia / konwersji | Nie dotyczy (brak kosztu) | Organiczne nie mają kosztu |
| ROAS | Przychód / wydatek na reklamy | Nie dotyczy | Brak wydatku = brak ROAS |
| Cytowania AI | Nie dotyczy | Ahrefs: AI responses count | Reklamy nie generują cytowań |
| Ruch z AI | Ruch z kliknięcia reklamy | Ruch z organicznej rekomendacji | GA4 powinien rozdzielać źródła |
| Konwersja | Konwersja z ruchu reklamowego | Konwersja z ruchu organicznego AI | Różne ścieżki = różne współczynniki |
Prawidłowe mierzenie wymaga rozdzielenia ruchu w GA4. Temat marketplace vs sklep w AI search jest tutaj istotny, bo ChatGPT traktuje marketplace i sklep własny jako osobne źródła danych. Ruch z ChatGPT Ads powinien być tagowany parametrami UTM (utm_source=chatgpt&utm_medium=cpc). Ruch z organicznych rekomendacji ChatGPT przychodzi z chatgpt.com, a ChatGPT sam dopisuje do linków parametr utm_source=chatgpt.com, więc w GA4 widać go jako osobne źródło. Jeśli te dwa źródła nie są rozdzielone, analiza ROAS będzie zawyżona (wlicza konwersje organiczne) lub zaniżona (rozmywa konwersje reklamowe w ogólnym ruchu AI). Zanim produkt w ogóle trafi do odpowiedzi, ChatGPT potrafi też zmienić jego nazwę – opisujemy, jak powstają etykiety „Best price” i podsumowania opinii.
Jakie błędy popełniają sklepy przy wdrażaniu feedu do ChatGPT Ads?
Na podstawie audytów feedów i rozmów z klientami testującymi ChatGPT Ads zebraliśmy najczęstsze błędy. Każdy z nich prowadzi do mierzalnej straty – od braku emisji po zawyżony CPA.
| Błąd | Skutek | Sposób naprawy |
|---|---|---|
| Filtry grupy reklam, które nie pasują do żadnego produktu | Pusty zestaw produktów, brak emisji | Sprawdzić zestaw bez filtrów, potem dodawać filtry po jednym |
| Brak aktualizacji feedu przez dłuższy czas | Produkty mogą zostać usunięte z katalogu, reklamy zatrzymane | Hostowany URL lub automatyczny SFTP (pozycje wygasają po 2 tygodniach) |
| Jeden feed do MC i OpenAI bez transformacji | Błędy walidacji (preorder, shipping, format daty) | Osobny eksport z regułami transformacji |
| Mierzenie organicznych cytowań jako efekt reklam | Zawyżony ROAS, błędne decyzje budżetowe | Rozdzielić UTM (cpc) od referral (chatgpt.com) |
| Oczekiwanie organicznej widoczności z feedu Ads | Rozczarowanie brakiem „darmowych” wyświetleń | Feed Ads ≠ feed organiczny – osobne systemy |
Kiedy wybrać feed reklamowy, kiedy organiczny, a kiedy oba?
Widoczność organiczna w ChatGPT nie zależy wyłącznie od feedu – uzupełnieniem jest warstwa semantyczna na stronie sklepu. Dane strukturalne Product Schema (w tym BuyAction, AggregateOffer) pomagają systemom AI zrozumieć ofertę bez parsowania HTML. Free Listings w Google, wyniki w AI Mode i cytowania w Perplexity Shopping korzystają z tych samych danych – kto ma porządek w schema i feedzie, buduje widoczność w wielu kanałach naraz.
Nie każdy sklep potrzebuje obu feedów. Decyzja zależy od wielkości katalogu, marży i możliwości pomiaru konwersji (ChatGPT Ads działa w Polsce od 24 sierpnia 2026 r., a samoobsługowo od 31 sierpnia 2026 r.).
Tylko feed organiczny (sklepy z niską marżą albo bez pomiaru konwersji): Skupienie na jakości danych produktowych: rozbudowane opisy, kompletna schema Product JSON-LD, spójność feed-karta-schema. KPI: cytowania AI w Ahrefs (mierzone przez audyt widoczności w AI), ruch z chatgpt.com w GA4, konwersja z ruchu AI. To jest praca nad AI visibility i pozycjonowanie AI, nie nad reklamą.
Oba kanały (sklepy z dostępem do ChatGPT Ads): osobny feed organiczny (optymalizowany pod jakość danych i retrieval) + osobny feed reklamowy (z etykietami w ads_metadata do podziału na grupy reklam z różnymi stawkami). Dwa odrębne dashboardy KPI. Unikać kanibalizacji – jeśli produkt jest dobrze widoczny organicznie, reklama na ten sam produkt może podnosić CPC bez dodatkowych konwersji. Analogia do problemu kanibalizacji AI i Google Ads. Jeśli chcesz uruchomić płatny kanał, zobacz, jak prowadzimy kampanie ChatGPT Ads.
Tylko feed reklamowy: sensowne tylko dla produktów o wysokiej marży, które nie mają naturalnej widoczności organicznej (np. produkty niszowe, nowe marki bez historii w crawlingu). Bez organicznej warstwy danych sklep płaci za każde kliknięcie lub wyświetlenie, co przy niskiej marży jest nieopłacalne. Jak policzyć próg opłacalności, pokazujemy w tekście, ile kosztuje reklama w ChatGPT.
Co patenty mówią o tych systemach, a czego nie dowodzą?
Dwa patenty Google opisują mechanizmy, które pomagają zrozumieć, dlaczego kompletność i spójność danych produktowych ma znaczenie. Żaden z nich nie dowodzi jednak, że Google Shopping czy ChatGPT Ads działają w opisany sposób, a OpenAI nie publikuje opisów swoich systemów w tej formie. Cytujemy je jako kontekst koncepcyjny.
Patent US8438080B1 (Google, „Learning characteristics for extraction of information from web pages”) opisuje system, który uczy się, gdzie na stronach produktowych sprzedawcy znajdują się tytuł, cena i dostępność, i do odnalezienia tych elementów wykorzystuje wartości z feedu. To dobrze tłumaczy, dlaczego dane w feedzie powinny zgadzać się z kartą produktu: rozbieżność ceny czy dostępności utrudnia systemom powiązanie obu źródeł. Analogiczną zależność między kompletnością atrybutów a widocznością opisujemy w artykule o extractability score karty produktowej.
Patent US20250190719A1 (Google, „System(s) and method(s) for utilizing generative model(s) to generate a personalized interactive summary of content”) opisuje model generatywny, który łączy kilka źródeł treści w spersonalizowane, interaktywne podsumowanie. To bliskie temu, jak wygląda organiczna odpowiedź zakupowa w ChatGPT: kilka źródeł danych i jedna synteza. Patent nie dotyczy reklam ani produktów OpenAI, więc traktujemy go wyłącznie jako ilustrację tego, jak działa warstwa organiczna.
Co polski sklep może zrobić teraz?
Priorytet 1: Przygotuj feed organiczny. Organiczne rekomendacje działają niezależnie od reklam i nie kosztują nic za wyświetlenie. W ramach pozycjonowania sklepu internetowego rozbuduj opisy produktów (audyt treści pomoże zidentyfikować luki), uzupełnij GTIN, zsynchronizuj feed ze schema JSON-LD na stronie. Budowanie widoczności AI to element szerszej strategii content marketingu opartego na danych produktowych. To inwestycja, która procentuje niezależnie od tego, czy sklep uruchomi ChatGPT Ads. Jak pokazujemy w artykule o product feed i AI visibility, sklep z rozbudowanymi danymi ma 2,3x więcej cytowań AI niż konkurent z większym ruchem organicznym.
Priorytet 2: Przygotuj architekturę feedową. Ustaw moduł feedowy tak, żeby generował dwa osobne eksporty – jeśli potrzebujesz wsparcia w konfiguracji, konsultacja SEO pomoże dobrać narzędzia do Twojej platformy z jednego źródła danych. Nawet jeśli eksport OpenAI nie jest jeszcze aktywny, architektura powinna być gotowa – uruchomienie drugiego kanału to wtedy kwestia godzin, nie tygodni.
Priorytet 3: Rozdziel tracking. W GA4 ustaw osobne grupy kanałów dla ruchu z ChatGPT (referral: chatgpt.com) i przyszłego ruchu z ChatGPT Ads (UTM: chatgpt/cpc). Poprawność konfiguracji weryfikujemy w ramach audytu SEO. Bez tego nie będziesz w stanie zmierzyć, czy reklamy ChatGPT kanibalizują ruch organiczny. O mierzeniu AI w GA4 piszemy w artykule o atrybucji agentic commerce.
Czy feed przesłany do ChatGPT Ads daje widoczność organiczną?
Nie. Feed przesłany do ChatGPT Ads Manager kwalifikuje produkty wyłącznie do płatnych reklam katalogowych (Product Ads). Organiczne rekomendacje produktowe w ChatGPT korzystają z osobnych źródeł danych: crawlingu stron, schema Product JSON-LD, feedów partnerskich (np. Shopify Catalog) i danych od agregatorów. To dwa osobne systemy z odrębnymi pipeline’ami danych.
Jak długo produkty pozostają aktywne w feedzie OpenAI?
Produkty w feedzie OpenAI wygasają po dwóch tygodniach bez aktualizacji, czyli ponad dwa razy szybciej niż w Google Merchant Center (30 dni). Jeśli hostowany adres feedu jest niedostępny przez ten czas, produkty wypadną z emisji. Dlatego feed powinien aktualizować się automatycznie, codziennie, przez hostowany URL albo SFTP.
Czy mogę użyć tego samego feedu do Google Merchant Center i ChatGPT Ads?
Nie bez modyfikacji. W naszym teście z sierpnia 2026 roku 33-39% pól wymagało transformacji lub uzupełnienia. Według specyfikacji OpenAI z października 2026 roku trzeba m.in. zmienić nazwy kolumn link i image_link na url i image_url, dodać wymagane pole seller_name, przemianować preorder na pre_order i zamienić pole shipping na shipping_price.
Czy ChatGPT Ads jest dostępny w Polsce?
Tak. Pierwsze kampanie wystartowały w Polsce 24 sierpnia 2026 r., a od 31 sierpnia 2026 r. polska firma może samodzielnie uruchomić kampanię w Ads Managerze. Minimalny budżet dla konta w złotówkach to 65 zł dziennie. Organiczne rekomendacje produktowe działają niezależnie od reklam – polski sklep może się w nich pojawić, jeśli ma kompletne dane produktowe (feed, schema, opisy).
Co to jest ads_metadata i dlaczego mój raport produktów jest pusty?
ads_metadata to opcjonalne pole feedu OpenAI na własne etykiety produktu, np. bidding_tier, po których filtruje się produkty w grupach reklam. Nie ustawia stawki i nie jest wymagane do emisji. Pusty raport produktów zwykle oznacza filtry, które nie pasują do żadnego produktu, albo błąd importu. OpenAI zaleca sprawdzić zestaw produktów bez filtrów i historię uploadu.

